浙江大学伍阔梁获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉浙江大学申请的专利一种基于子模函数的图-图转化任务主动学习方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114283161B 。
龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202111589805.0,技术领域涉及:G06T7/11;该发明授权一种基于子模函数的图-图转化任务主动学习方法是由伍阔梁;蔡登;何晓飞设计研发完成,并于2021-12-23向国家知识产权局提交的专利申请。
本一种基于子模函数的图-图转化任务主动学习方法在说明书摘要公布了:本发明公开了一种基于子模函数的图‑图转化任务主动学习方法,包括:利用已有标签的图像局部区域集合训练一个图‑图转化任务的深度模型;利用训练好的模型提取图像上未标注的局部区域深度特征;针对提取的局部区域深度特征集合,进行衡量其代表性以及多样性的子模函数构建;优化求解子模函数最大化问题,得到本轮迭代选择的待标注图像局部区域集合;获得待标注图像局部区域的标签,将其添加到已有标签的图像局部区域集合中,再利用所有带标签数据集重新训练图‑图转化任务的深度模型;重复上述步骤,直至挑选的图像局部区域达到要求,得到最具有标注价值的局部区域。利用本发明,可以从未标注图像中挑选出更有标注价值的图像局部区域。
本发明授权一种基于子模函数的图-图转化任务主动学习方法在权利要求书中公布了:1.一种基于子模函数的图-图转化任务主动学习方法,其特征在于,包括以下步骤: 1利用已有标签的图像局部区域集合训练一个图-图转化任务的深度模型; 2对于局部区域没有标注标签的图像,利用训练好的深度模型提取图像上未被标注的局部区域的深度特征;具体为: 对于局部区域没有标注标签的图像,将图像分为k1×k2个局部区域,此时将深度模型f对应的卷积层特征也分为k1×k2个局部区域,从而得到局部区域对应的深度特征;将所得的图像局部区域对应的深度特征,计算通道方向的平均值,对于Du中的每一个图像局部区域,得到对应的局部区域特征Su; 3针对提取的局部区域深度特征集合,进行衡量其代表性以及多样性的子模函数构建;子模函数构建的具体过程如下: 3-1首先定义所选集合Sa对Su中的任一元素Iu的代表性,将其定义为即针对Su中的任一元素Iu,可以通过在Sa中找到与Iu相似度最高的元素,并将它们之间的相似度定义为Sa对Iu的代表性; 3-2之后定义所选集合Sa对Su集合的代表性,将Sa对于Su中所有元素的代表性进行求和,即得到Sa对Su集合的代表性; 4优化求解所构建的子模函数最大化问题,从而得到本轮迭代选择的待标注图像局部区域集合; 5获得待标注图像局部区域的标签,将其添加到已有标签的图像局部区域集合中,再利用所有带标签数据集重新训练图-图转化任务的深度模型; 6重复上述步骤2至步骤5,直至挑选的图像局部区域达到要求或者限制,最终得到预设个数的最具有标注价值的局部区域。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人浙江大学,其通讯地址为:310058 浙江省杭州市西湖区余杭塘路866号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。